Commande Optimal Inverse robuste pour l'analyse du mouvement humain

Robust Inverse Optimal Control for Human Motion Analysis.

• Auteur / Autrice : Ahmed-Manaf Dahmani
• Direction : David Daney, François Charpillet
• Type : Projet de thèse
• Discipline(s) : Automatique, Productique, Signal et Image, Ingénierie cognitique
• Date : Inscription en doctorat le 30/11/2023
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l'ingénieur
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'Intégration du Matériau au Système

Mots clés

Mots clés libres

Commande Optimal Direct

Commande Optimal Inverse

Mouvement Humain

Direct Optimal Control

Inverse Optimal control

Human Motion

Résumé

Cette thèse concerne la Commande optimal inverse appliqué à l'étude du mouvement humain. Notre objectif principal est d'améliorer des méthodes existantes de résolution en explorant différentes solutions théoriques et en proposant des approches expérimentales. Nous souhaitons notamment renforcer la robustesse du COI en développant des techniques pour traiter efficacement les incertitudes liées aux mesures de trajectoires. De plus, nous cherchons à intégrer des contraintes supplémentaires dans le processus de COI, en particulier lorsque les mouvements analysés sont d'origine humaine, ce qui pourrait fournir des informations plus précises et réalistes. Un autre volet essentiel de notre recherche consistera à créer un algorithme de sélection de bases pour définir la fonction de coût. Cette étape est cruciale pour garantir la qualité et la pertinence des résultats obtenus par la COI. Pour atteindre ces objectifs, nous mettrons en œuvre les approches théoriques améliorées et les soumettrons à des tests approfondis sur des données expérimentales réelles. Cette phase d'expérimentation nous permettra d'évaluer la performance et l'efficacité des solutions proposées, et de démontrer leur applicabilité pratique dans des contextes réels. En conclusion, cette thèse se positionne comme une contribution significative à l'analyse et à la génération de mouvements humains à travers la Commande Optimal Inverse. En s'appuyant sur une vision unifiée des différentes approches de COI, nous visons à rendre cette méthode plus robuste et plus efficace, ouvrant ainsi de nouvelles perspectives pour la compréhension et l'application pratique de la COI dans divers domaines, tels que la robotique, l'animation et l'ergonomie.

This thesis concerns the application of inverse optimal control to the study of human motion. Our main objective is to enhance existing resolution methods by exploring various theoretical solutions and proposing experimental approaches. We aim to improve the robustness of inverse optimal control (IOC) by developing techniques to effectively handle uncertainties associated with trajectory measurements. Additionally, we seek to incorporate additional constraints into the IOC process, particularly when analyzing human-origin movements, which could provide more precise and realistic information. Another essential aspect of our research will be to create a basis selection algorithm to define the cost function. This step is crucial to ensure the quality and relevance of the results obtained through IOC. To achieve these goals, we will implement the improved theoretical approaches and subject them to thorough testing using real experimental data. This experimental phase will allow us to evaluate the performance and effectiveness of the proposed solutions and demonstrate their practical applicability in real-world contexts. In conclusion, this thesis represents a significant contribution to the analysis and generation of human movements through Inverse Optimal Control. By leveraging a unified vision of different IOC approaches, we aim to make this method more robust and efficient, thus opening new perspectives for the understanding and practical application of IOC in various fields, such as robotics, animation, and ergonomics.